• 농업과학연구
• /
• 제49권3호
• /
• pp.483-493
• /
• 2022

It is important to improve the efficiency of plant breeding and crop yield to fulfill increasing food demands. In plant phenotyping studies, the capability to correlate morphological traits such as plant height, stem diameter, leaf length, leaf width, leaf angle and size of panicle of the plants has an important role. However, manual phenotyping of plants is prone to human errors and is labor intensive and time-consuming. Hence, it is important to develop techniques that measure plant phenotypic traits accurately and rapidly. The aim of this study was to determine the feasibility of point cloud data based on a 3D light detection and ranging (LiDAR) system for plant phenotyping. The obtained results were then verified through manually acquired data from the sorghum samples. This study measured the plant height, plant crown diameter and the panicle height and diameter. The R² of each trait was 0.83, 0.94, 0.90, and 0.90, and the root mean square error (RMSE) was 6.8 cm, 1.82 cm, 5.7 mm, and 7.8 mm, respectively. The results showed good correlation between the point cloud data and manually acquired data for plant phenotyping. The results indicate that the 3D LiDAR system has potential to measure the phenotypes of sorghum in a rapid and accurate way.

• 농업과학연구
• /
• 제51권1호
• /
• pp.63-77
• /
• 2024

Yield monitoring systems have become integral to precision agriculture, providing insights into the spatial variability of crop yield and playing an important role in modern harvesting technology. This paper aims to review current research trends in yield monitoring systems, specifically designed for non-grain crops, including cabbages, radishes, potatoes, and tomatoes. A systematic literature survey was conducted to evaluate the performance of various monitoring methods for non-grain crop yields. This study also assesses both mass- and volume-based yield monitoring systems to provide precise evaluations of agricultural productivity. Integrating load cell technology enables precise mass flow rate measurements and cumulative weighing, offering an accurate representation of crop yields, and the incorporation of image-based analysis enhances the overall system accuracy by facilitating volumetric flow rate calculations and refined volume estimations. Mass flow methods, including weighing, force impact, and radiometric approaches, have demonstrated impressive results, with some measurement error levels below 5%. Volume flow methods, including paddle wheel and optical methodologies, yielded error levels below 3%. Signal processing and correction measures also play a crucial role in achieving accurate yield estimations. Moreover, the selection of sensing approach, sensor layout, and mounting significantly influence the performance of monitoring systems for specific crops.

• 대한원격탐사학회지
• /
• 제35권6_3호
• /
• pp.1273-1283
• /
• 2019

이 논문에서는 작물 분류를 목적으로 합성곱 신경망 구조에 다중 규모의 입력 영상으로부터 추출가능한 다양한 공간특징을 가중 결합하는 모델을 제안하였다. 제안 모델은 합성곱 계층에서 서로 다른 크기의 입력패치를 이용하여 공간특징을 추출한 후, squeeze-and-excitation block을 통해 추출한 공간특징의 중요도에 따라 가중치를 부여한다. 제안 모델의 장점은 분류에 유용한 특징들을 추출하고 특징의 상대적 중요도를 분류에 이용하는데 있다. 제안 모델의 분류 성능을 평가하기 위해 미국 일리노이 주에서 수집한 다중시기 Landsat-8 OLI 영상을 이용한 작물 분류 사례연구를 수행하였다. 유용한 패치 크기 결정을 위해 먼저 단일 패치 모델에서 패치 크기가 작물 분류에 미치는 영향을 분석하였다. 그 후에 단일 패치 모델과 특징의 중요도를 고려하지 않는 다중 패치 모델과 분류 성능을 비교하였다. 비교 실험 결과, 제안 모델은 연구지역에서 재배하는 작물의 공간 특징을 고려함으로써 오분류 양상을 완화시켜 비교 모델들에 비해 가장 우수한 분류 정확도를 나타냈다. 분류에 유용한 공간특징의 상대적 중요도를 고려하는 제안 모델은 작물뿐만 아니라 서로 다른 공간특성을 보이는 객체 분류에도 유용하게 적용될 수 있을 것으로 기대된다.

• 한국전자통신학회논문지
• /
• 제10권10호
• /
• pp.1145-1156
• /
• 2015

현재 농작물의 품질과 직결되는 병해충에 관하여 농작물 재배 현장에서 바로 사용할 수 있는 모바일 전용의 응용 시스템은 부족한 실정이다. 따라서 본 논문에서는 병해충 예찰 및 기본 정보에 관해서는 충실하나 즉각적인 진단 기능이 매우 부족하고 아울러 농작물 재배 현장에서 바로 사용할 수 있는 모바일 기반의 병해충 전용 시스템의 부재를 개선하기 위해서, u-Farm을 위한 모바일 기반의 농작물 재배 현장 중심형 스마트 병해충 정보검색 시스템을 설계 및 구현한다. 제안하는 시스템은 이미지의 전문 분석에 유용한 검색 라이브러리인 루씬(Lucene) 및 JSON 데이터 구조를 기반으로 농작물 재배 현장에서 병해충의 정보를 웹뿐만 아니라, 본인이 소유한 스마트 폰을 통해 실시간으로 직접 확인할 수 있는 장점이 있다. 또한, 시스템의 확장 및 재사용성을 높이기 위해 객체지향 모델링을 기반으로 설계하였으며, 농작물의 메타 정보뿐만 아니라, 메타 정보 기반의 텍스트 및 색상 등과 같은 이미지 특징 정보를 기반으로 검색이 가능하다. 본 시스템을 통해 u-Farm 실현뿐만 아니라 농업인이나 재배 현장 관리자들이 농작물 작황, 병해충 현황 파악 및 관리를 실시간으로 진행할 수 있다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.735-747
• /
• 2020

본 연구는 청천일 조건에서 직접적 보정 방식으로 산정한 반사율 및 식생지수의 일주기 변화를 분석하여 시계열 작황 모니터링을 위한 무인비행체 영상의 특성을 구명하고자 수행하였다. 무인기에 다중분광센서를 장착하여 청천일이었던 2020년 3월 23일과 3월 24일에 반사율 보정용 반사판, 콘크리트 및 작물 시험구를 대상으로 시간대별, 비행경로별 항공영상을 촬영하여 직접적 방식으로 반사율을 산정하고 작물 시험구를 대상으로 식생지수를 계산하여 비교하였다. 반사율 보정용 반사판, 콘크리트 및 작물 시험구의 무인기 영상 반사율은 시간대 및 비행경로별로 일정한 변화 경향을 보이지 않을 뿐 아니라 일간 재현성 있는 값을 보이지 않아 시계열적으로 비교·활용 하는 것에는 한계가 있을 것으로 판단된다. 그러나 작물 시험구의 NDVI는 값이 높을수록 일중 및 일간 변동성이 적었으며 식생의 활력이 부족한 식생 제어 시험구에서도 일 중 5% 미만의 변동계수를 보여 반사율과 달리 대체로 일정한 값을 유지하는 것으로 나타났다. 또한 3월 23일과 3월 24일 동일한 시간대에 촬영한 무인기 영상으로 산정한 NDVI의 평균 절대 오차도 0.76~3.97%의 범위를 보여 시계열 작황모니터링에 활용이 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제33권6_2호
• /
• pp.1061-1073
• /
• 2017

본 연구는 4차 산업의 핵심기술인 인공지능과 환경공간정보의 융합을 통한 정보생산 및 활용가능성을 제시하고자 대표적인 딥러닝(deep-learning) 기법인 CNN(Convolutional Neural Network)을 이용한 영상분류를 수행하였다. CNN은 학습을 통해 스스로 분류기준에 따른 커널의 속성을 결정하며, 최적의 특징영상(feature map)을 추출하여 화소를 분류한다. 본 연구에서는 CNN network를 구성하여 기존의 영상처리 기법으로 해결이 어려웠던 분광특성이 유사한 물질간의 분류 및 GIS속성정보에 따른 분류를 수행하였으며, 항공초분광센서인 CASI(Compact Airborne Spectrographic imager)와 AISA(Airborne Imaging Spectrometer for Application)로 취득된 영상을 이용하였다. 실험대상지역은 총 3곳이며, Site 1과 Site 2는 감자, 양파, 벼 등의 다양한 농작물을 포함하며, Site 3는 단독주거시설, 공동주거시설 등 세분류 토지피복도의 분류 항목으로 구성된 건물을 포함한다. 실험결과, 분류 정확도 96%, 99%로 농작물을 종류에 따라분류하였으며, 96%의 정확도로 건물을 용도에 따라 분류하였다. 본 연구의 결과를 환경공간정보 서비스에 활용하기 위하여 계절별 농작물의 종류를 제공할 수 있는 환경주제도를 제안하였으며, 기존의 토지피복도와 최신 GIS자료를 이용한 세분류 토피지복도 제작 및 갱신 가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제22권3호
• /
• pp.175-182
• /
• 2006

Because of the phenological variation of vegetation growth in temperate region, it is often difficult to accurately assess the surface conditions of agricultural croplands, grasslands, and disturbed forests by multi-spectral remote sensor data. In particular, the spectral similarity between soil and dry vegetation has been a primary problem to correctly appraise the surface conditions during the non-growing seasons in temperature region. This study analyzes the spectral characteristics of the mixture of dry vegetation and soil. The reflectance spectra were obtained from laboratory spectroradiometer measurement (GER-2600) and from EO-1 Hyperion image data. The reflectance spectra of several samples having different level of dry vegetation fractions show similar pattern from both lab measurement and hyperspectral image. Red-edge near 700nm and shortwave IR near 2,200nm are more sensitive to the fraction of dry vegetation. The use of hyperspectral data would allow us for better separation between bare soils and other surfaces covered by dry vegetation during the leaf-off season.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1085-1095
• /
• 2023

위성데이터를 활용한 시계열 데이터는 다양한 분야에서 변화 탐지와 모니터링에 필수적인 자료로 활용되고 있다. 시계열 데이터 생성에 관한 선행 연구에서는 데이터의 통일성을 유지하기 위해 주로 단일 영상을 기반으로 분석하는 방식이 사용되었다. 또한 공간 및 시간 해상도 향상을 위해 다종 영상을 활용하는 연구도 활발하게 진행되고 있다. 시계열 데이터의 중요성은 계속해서 강조되지만, 데이터를 자동으로 수집하고 가공하여 연구에 활용하기 위한 산출물은 아직 제공되지 않고 있다. 따라서 이러한 한계를 극복하기 위해 본 논문에서는 사용자가 설정한 지역의 위성정보를 자동으로 수집하고 시계열 데이터를 생성하는 기능을 제안한다. 본 연구는 한 종류의 위성영상뿐만 아니라 동일 지역의 여러 위성데이터를 수집하고 이를 시계열 데이터로 변환하여 산출물을 생성하는 것을 목표로 하며, 이를 위한 위성영상 자동 수집 시스템을 개발하였다. 이 시스템을 활용하면 사용자는 관심 있는 지역을 설정함으로써 해당 지역에 맞게 데이터가 수집되고 Crop되어 즉시 활용할 수 있는 데이터를 생성할 수 있다. 실험 결과로는 웹 상에서 무료로 제공되는 Landsat-8/9 OLI 및 Sentinel-2 A/B 영상의 자동 획득이 가능함을 확인하였으며, 수동 입력을 통해 별도의 고해상도 위성영상도 함께 처리할 수 있었다. 고해상도 위성영상을 기준으로 자동 수집 및 편집된 영상 간의 정확도를 비교하고 육안 분석을 수행한 결과, 큰 오차 없이 결과물을 생성할 수 있음을 확인했다. 이후 시계열 데이터 간 상대적 위치 오차 최소화 및 좌표가 획득되어 있지 않은 데이터 처리 등에 대한 연구 및 다양한 위성영상을 활용한 시계열 데이터 생성 기능 추가가 계획되어 있다. 위성영상을 활용한 시계열 데이터의 생성 방법이 정립되고, 국토위성, 농림위성과 같은 국내 위성정보를 이용한 시계열 데이터가 효과적으로 활용될 경우, 국토·농림·산업·해양 분야에서 다양한 응용 가능성이 기대된다.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.23-33
• /
• 2020

최근 UAV (Unmanned Aerial Vehicle)를 이용하여 고해상도 영상을 편리하게 취득할 수 있게 되면서 저비용으로 소규모 지역의 관측 및 공간정보 제작이 가능하게 되었다. 특히, 농업환경 모니터링을 위하여 작물생산 지역의 피복지도 생성에 대한 연구가 활발히 진행되고 있으며, 랜덤 포레스트와 SVM (Support Vector Machine) 및 CNN(Convolutional Neural Network) 을 적용하여 분류 성능을 비교한 결과 영상분류에서 딥러닝 적용에 대하여 활용도가 높은 것으로 나타났다. 특히, 위성영상을 이용한 피복분류는 위성영상 데이터 셋과 선행 파라메터를 사용하여 피복분류의 정확도와 시간에 대한 장점을 가지고 있다. 하지만, 무인항공기 영상은 위성영상과 공간해상도와 같은 특성이 달라 이를 적용하기에는 어려움이 있다. 이러한 문제점을 해결하기 위하여 위성영상 데이터 셋이 아닌 UAV를 이용한 데이터 셋과 국내의 소규모 복합 피복이 존재하는 농경지 분석에 활용이 가능한 딥러닝 알고리즘 적용 연구를 수행하였다. 본 연구에서는 최신 딥러닝의 의미론적 영상분류인 DeepLab V3+, FC-DenseNet (Fully Convolutional DenseNets), FRRN-B (Full-Resolution Residual Networks) 를 UAV 데이터 셋에 적용하여 영상분류를 수행하였다. 분류 결과 DeepLab V3+와 FC-DenseNet의 적용 결과가 기존 감독분류보다 높은 전체 정확도 97%, Kappa 계수 0.92로 소규모 지역의 UAV 영상을 활용한 피복분류의 적용가능성을 보여주었다.

• 한국정보통신학회논문지
• /
• 제18권10호
• /
• pp.2489-2496
• /
• 2014

기존 수기 작성기반 선박 수리장비 관리 시스템은 빈번한 장비 분실 및 연체로 장비 관리에 많은 문제점들이 있다. 이러한 문제를 해결하고자 바코드 시스템을 도입하였다. 그러나 바코드 훼손에 따른 위조 장비의 대체 문제에 대처할 수 없다. 따라서 고가의 선박 수리장비의 관리를 위해 추가적인 확인 절차가 필요하다. 본 논문에서는 선박 수리장비 관리를 위한 이미지 비교기법을 제안한다. 구체적으로 모바일 디바이스의 특징을 이용한 정규화와 이미지 비교 판단 조건을 제안한다. 실시간 촬영 및 오버랩과 Crop 기능을 가진 모바일 디바이스를 이용하여 이미지를 정규화 하였고, 유사이미지에 대처할 수 있는 이미지 비교 판단 조건 세 가지(사각형의 내각의 합, 각 내각의 크기, 모서리의 좌표점)를 적용하였다. 그 결과 본 논문에서 제시한 방법이 방향, 조명, 크기 등의 변화에도 강건함을 보이며 테스트 결과 95% 이상의 정확도를 보였다.